Идея о том, что врач и искусственный интеллект в тандеме могут работать эффективнее, чем поодиночке, давно стала частью как технологических презентаций, так и стратегий цифрового здравоохранения. Концепция человеко-машинной команды, где ИИ выступает не как замена, а как партнёр, способный усилить человеческие решения, выглядит особенно привлекательной для систем с высокой нагрузкой и дефицитом ресурсов. Однако на практике вопрос остаётся открытым: действительно ли «1 + 1 > 2», когда речь идёт о взаимодействии врача и алгоритма?
Ответ на этот вопрос попытались дать исследователи из Чжэцзянского университета и Национальной лаборатории инженерной психологии в Китае. Они провели обширный анализ 52 эмпирических публикаций, охвативших более тысячи клиницистов и почти 35 тысяч диагностических задач. Целью было выяснить, насколько эффективно работают человеко-машинные команды в клинической диагностике, и какие условия влияют на результат. Работа опубликована в журнале npj Artificial Intelligence и уже привлекла внимание как в академической, так и в практической среде.
ИИ усиливает врача — но не всегда и не всех
Ключевой вывод исследования можно сформулировать просто: человеко-машинное взаимодействие в здравоохранении действительно даёт положительный эффект, но он весьма ограничен. В среднем совместная работа врача и ИИ оказывается надёжнее, чем решение, принятое только человеком, однако это преимущество не достигает уровня так называемой идеальной или синергетической модели. Более того, в большинстве случаев человеко-машинная команда уступает лучшему из своих компонентов — будь то врач или алгоритм.
Интересным оказался эффект, связанный с уровнем подготовки врачей. Начинающие специалисты, стажёры и интерны получают от ИИ гораздо больше пользы, чем опытные коллеги. Исследование показало, что при совместной диагностике младшие врачи в среднем увеличивают точность на 10%, тогда как у старших коллег этот прирост составляет менее 1%. Причины, по мнению авторов, могут быть как когнитивными — младшие медики чаще доверяют алгоритмам, — так и техническими: у опытных врачей уровень собственных решений и так высок, и улучшить его сложно.
Другим важным фактором стала форма взаимодействия. Исследователи сравнили два режима: последовательный, при котором врач сначала формулирует собственное мнение, а затем обращается к ИИ; и одновременный — когда врач и алгоритм анализируют случай параллельно. Против ожиданий, именно одновременный режим дал наибольший прирост точности. Это ставит под сомнение принятые в ряде клиник (в том числе за пределами России) требования о том, что мнение врача должно формироваться до использования ИИ. Авторы подчёркивают, что подобные формальные протоколы могут снижать потенциальную эффективность технологий.
Почему идеальная командная работа не складывается
Исследование показывает, что в большинстве случаев человеко-машинное взаимодействие попадает в категорию так называемой слабой комплементарности. Это значит, что команда работает лучше человека, но не лучше каждого из участников по отдельности. Ни один из рассмотренных сценариев не достиг уровня полной синергии, при котором совместная работа превосходит и врача, и ИИ. В отдельных случаях алгоритмы даже снижали точность решения, если врач безосновательно полагался на ошибочный вывод машины.
Важное замечание касается природы ошибок. Врач и алгоритм чаще всего ошибаются в одних и тех же случаях, особенно если алгоритм обучался на том же типе данных, которые формировались под влиянием человеческих решений. В результате у команды нет ресурса «взаимного страхования». Когда ошибается человек, часто ошибается и ИИ — и наоборот. В такой конфигурации ожидать от сотрудничества эффект «1 + 1 > 2» затруднительно.
Также исследование указывает на сложность предсказания эффективности командной работы. Авторы попытались построить модель, которая позволяет по известной точности алгоритма и врача оценить, насколько успешным будет их взаимодействие. Оказалось, что если разница между ними велика — например, ИИ сильно точнее врача, — прирост в диагностике становится заметным. Однако при этом снижается комплементарность: врачи не всегда способны эффективно использовать мощный инструмент, особенно если не доверяют ему или не умеют интерпретировать его рекомендации.
Исследователи подчёркивают, что в условиях ограниченных ресурсов внедрение ИИ — это всегда вопрос компромисса. С одной стороны, технологии действительно могут повысить общую надёжность диагностики. С другой — выгоды зависят от контекста: от уровня подготовки персонала, от формы взаимодействия, от качества алгоритмов и от того, как встроен ИИ в реальный рабочий процесс.
Осмотрительный оптимизм вместо цифрового энтузиазма
Авторы исследования предлагают рассматривать человеко-машинное взаимодействие в медицине как процесс, требующий строгой валидации, эмпирических данных и учета профессиональной среды. Речь идёт не только о надёжности алгоритма, но и о доверии, подготовке врача, логике интерфейсов, организационных протоколах и, в конечном итоге, о готовности системы к такому типу взаимодействия.
ИИ в медицине не отменяет врача, но и не всегда его усиливает. Чтобы получить эффект, важно понимать, где, с кем и как он работает. Универсальных сценариев нет, а эффект «второго пилота» реализуется не в силу магии машинного интеллекта, а через тщательно выстроенную практику — от интерфейсов до этических норм. Сегодня человеко-машинные команды работают, в лучшем случае, как усиленная диагностика для молодых специалистов. Завтра они могут стать по-настоящему синергетическими — но только если научатся учиться друг у друга.